50、基于磁/脑电图测量的人脑振荡的生物物理原理计算神经网络建模

基于磁/脑电图测量的人脑振荡的生物物理原理计算神经网络建模

1. 引言

在过去十年中，大量研究致力于探究大脑节律性活动、认知和神经病理学之间的联系。磁脑电图（MEG/EEG）能够无创地提供人类神经信息的毫秒级时间分辨率，并且通过多模态成像技术（如MEG/EEG/MRI/fMRI结合），其空间信息也在不断改善。MEG/EEG记录到的振荡信号是最显著的涌现行为，但尽管这些节律作为注意力、感知和疾病状态变化的标志物具有明确的重要性，我们对引发它们的潜在微观神经动力学的理解却十分有限，这阻碍了这些信号在研究和临床中的应用。

获取人类细胞水平的神经信息存在困难，这使得填补这一关键差距颇具挑战。动物研究虽然对解决这些机制问题有帮助，但所获得的信息不一定能直接应用于人类，尤其是在涉及感知或其他认知功能的任务中。因此，该领域迫切需要能够超越对这些节律简单观察的工具，以便更精确地理解它们如何反映特定的正在进行的神经过程。

计算神经网络建模是一种强大的技术，它可以在细胞水平的神经动力学与人类大脑节律之间建立直接联系，并明确它们对认知过程和疾病的直接影响。此外，计算模型的预测可以为侵入性实验研究提供重点和指导。不同复杂程度的神经网络模型已被证明有助于阐明控制大脑振荡的机制。例如，计算神经建模在确定GABAA抑制的时间常数是产生伽马频率（40 - 80 Hz）大脑节律以及同步局部伽马振荡的关键因素方面发挥了重要作用。

神经网络模型的计算复杂度可能会迅速变得难以处理，并且通常很难确定准确研究手头数据所需的详细程度。保留生物学显著特征的最小构建神经模型经常被采用，并已被证明是成功的。详细程度需要根据感兴趣的问题和模型要重现的数据类型（如单单元放电、局部场电位（LFP）、MEG/EEG）进行调整。